resnet的卷积层

ResNet是一个非常流行的深度神经网络，它引入了残差学习的概念，可以有效地解决深度网络退化的问题。ResNet的卷积层主要有两种类型：普通卷积层和残差卷积层。

普通卷积层由若干个滤波器组成，每个滤波器可以提取一种特征。在ResNet中，普通卷积层的输入和输出维度相同，即使有很多层的堆叠，也不会导致信息丢失。

残差卷积层则是ResNet最为核心的创新之一。残差卷积层的输入和输出维度不同，但是可以通过跨层连接（shortcut connection）来维持输入和输出的维度一致。跨层连接可以通过简单的恒等映射实现，或者通过1x1卷积来变换特征图的数量和通道数。